基于超网络和在线评论的产品竞争力分析

[目的/意义]探究在线评论中用户的产品特征观点的变化,以分析产品的竞争力。[方法/过程]运用超网络建模在线评论中特征观点对及其演变关系,识别最受用户关注的产品特征及其情感倾向和演化,实现产品竞争力的分析。[结果/结论]通过对不同品牌产品进行实例验证,该模型能够识别用户关注的特征观点对及其情感倾向,发掘产品的竞争优势与不足,为企业改进产品、建立品牌口碑提供决策支持。     

数据驱动下基于语义相似性的产品需求识别研究

[目的/意义]为了实现从非结构化的在线评论中有效提取用户需求,文章提出了数据驱动下产品需求识别的方法。[方法/过程]利用Word2vec表示学习方法,获取评论文本内容的语义向量表示;结合K-means算法和LSA模型实现评论文本聚类,识别产品需求主题;在此基础上,通过网络分析方法探索需求主题间的关联关系。以华为手机的评论数据为例进行方法验证。[结果/结论]结果表明,基于语义的文本特征可以取得较好的聚类效果,与传统方法相比,CH指标和SC指标均得到显著提高,验证了该方法的有效性。研究方法和结果能够为企业产品创新和运营决策提供一定参考。[局限]样本数据集规模不够,缺少跨平台实验计算和比较。     

大数据环境下基于SOM神经网络的竞争对手识别方法研究

[目的/意义]大数据环境下,传统的竞争对手识别方法存在局限性,文章针对这种不足提出了一种能够适应大数据环境的竞争对手识别方法。[方法/过程]第一,基于互联网下顾客价值领先战略,从消费者角度出发,选择基于消费者情感特征的竞争对手评价体系;第二,以顾客评论作为数据源,通过对评论文本分析,提取顾客关注的产品特征;第三,基于文本情感分析技术计算企业相应产品特征的顾客情感得分;第四,基于自组织神经网络(SOM)构建竞争对手识别模型,并根据模型结果识别目标企业竞争对手。[结果/结论]使用酒店行业顾客评论数据进行实验,证实了该方法能够在大数据环境下快速、高效、客观地识别企业竞争对手。     

用户需求导向下基于三级技术功效矩阵的产品创新机会识别

[目的/意义]精准把握用户需求以引导企业高效开展产品创新,对企业实现可持续发展至关重要。对此,开展了用户需求导向下基于三级技术功效矩阵的产品创新机会识别路径研究。[方法/过程]首先,针对目标产品领域进行用户评论数据与专利数据的收集及预处理;其次,利用LDA主题模型对评论数据进行主题聚类以挖掘重点用户需求;再次,运用Stanford Parser自然语言处理技术从专利数据中提取SAO结构,从中识别技术词与功效词并分别进行主题聚类,以构建技术功效视角下的三级语义知识库;最后,以重点用户需求导航,并以三级语义知识库为数据源,构建三级技术功效矩阵,识别具有较高创新价值的产品创新机会。[结果/结论]结果表明,构建的产品创新机会识别路径能够为企业精准高效开展产品创新提供科学的决策参考依据。     

基于在线评论文本挖掘的商业竞争情报分析模型构建及应用

【目的/意义】社会化媒体发达的环境下,在线评论已成为商业竞争情报的重要来源,企业可从中了解客户 需求、改进产品与服务质量。【方法/过程】选取家具这种耐用品的在线评论作为研究数据,建立了基于在线评论文 本挖掘的商业竞争情报分析模型,使用特征词提取、关键词共现与社会网络分析,得到特征词典、用户观点并可视 化。【结果/结论】本文以京东商城家具产品服务为例进行实证,证明该模型可较好地提取用户观点的竞争情报并可 视化,关键词共现与社会网络分析对于识别企业服务中的问题具有良好效果。     

基于SMOTE-RF与多维特征向量的在线商品虚假评论识别研究

[研究目的]通过从评论文本和评论者两个维度对在线评论的特征进行挖掘,探究电商平台如何有效提高虚假评论识别的准确性,增加用户在线商品评论可信度,为消费决策提供参考。[研究方法]提出一种基于多维特征和SMOTE-RF模型的虚假评论识别方法。首先,通过识别商品虚假评论线索,构建多维特征向量,引入情感极性等特征并进行单调化处理;其次,在评分偏离度中添加了商品得分均值等统计指标来全面刻画虚假评论;最后,针对在线评论数据集中真实评论与虚假评论类不平衡问题,运用SMOTE算法优化随机森林分类模型,从而达到提高虚假评论识别准确性的目的。[研究结论]实验结果显示该方法在正负样本不平衡的虚假评论识别中具有更高的准确率、召回率及F1值。其中评分偏离度特征对虚假评论识别的影响最大,情感极性可作为识别的次要参考特征。因此,综合考虑在线评论多维特征和正负样本不平衡可帮助电商平台对虚假评论进行有效的过滤,为消费者提供更为可靠的评论数据。     

社交媒体中主流网络民意的表达与演化：基于共评网络的分析

[目的/意义]基于社交媒体用户的共同评论关系构建共评网络,综合运用社会网络分析与自然语言处理技术,探索高效挖掘社交媒体中主流网络民意的方法。[方法/过程]按阶段梳理社交媒体用户共评关系并构建共评网络,综合利用K核分解和核塌缩分析识别核心评论用户群;以核心评论用户群为目标分析对象,从主题和情感两个维度构建主流网络民意的表达,并分析网民讨论热点及情感分布的综合演化过程;利用新冠病毒感染疫情相关热门微博的评论数据进行实证研究。[结果/结论]共评网络分析可以准确识别出社交媒体中的核心评论用户群,其拥有结构稳定且联系紧密的共评关系;聚焦于核心评论用户群的评论内容,即可实现主流网络民意的高效挖掘,准确呈现出网民主要诉求和情感的变化特征;实证结果与我国新冠病毒感染疫情中的应对实情和网络舆论走势基本契合,证明了此方法的有效性。     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

面向在线评论的用户需求分析框架与实证研究--基于KANO模型

[目的/意义]理解用户需求是企业管理实践中的重要一环,在线评论作为用户偏好表达的重要渠道,是企业发现用户需求的重要数据来源。因此,如何从在线评论中有效挖掘出用户需求,是一个重要的研究问题。[方法/过程]文章构建了一个基于KANO模型、面向在线评论的用户需求分析框架。首先利用LDA主题模型从在线评论中抽取商品属性,然后基于BERT模型标注出不同属性上的评论短句,并对其进行情感分析,最后依据不同属性上的评论短句与情感分析结果,通过KANO模型分析用户属性需求。以手机评论数据为例对模型进行验证。[结果/结论]将商品属性分为必备属性、期望属性、魅力属性与无差异属性四类,并以可视化结果呈现。实验结果表明面向在线评论的用户需求分析框架能够有效提取在线评论中用户的属性需求信息,为企业提供产品改进策略参考。[局限]样本数据集有限,存在不均衡状况。     

产品改进需求引导的技术机会发现研究

[目的/意义]准确发现技术机会,对于企业抢占市场先机、降低研发投资风险、获取竞争优势具有积极的意义。[方法/过程]首先,从多源Web产品评论数据入手,在功能、情感分类的基础上,抽取产品功能关键词并创建需求度指标,融合专利数据构建产品功能—技术主题映射关系,确定技术创新领域;其次,将IPC大组作为基础知识单元,构建技术创新领域的知识网络,并引入Dijkstra最短路径算法挖掘潜在知识组合,创建集成多维指标的技术机会指数评价知识组合的可行性,进而发现技术机会;最后,以智能手机领域为例进行实证。[结果/结论]融合市场需求和知识组合可行性的技术机会发现方法能够在保障技术具有实际应用价值的同时提高准确性,为企业技术研发提供决策支持。     

基于SGS新产品开发流程的企业竞争情报业务流构建与应用

[目的/意义]随着经济全球化进程不断加快，企业新产品开发变得更为复杂，围绕产品开发流程构建企业竞争情报支撑体系，将有效提升产品研发效率。[方法/过程]本文基于SGS企业新产品开发管理理论，进一步研究构建企业竞争情报业务流模型，并将企业竞争情报业务流模型应用到某生物医药企业的新药筛选、立项、开发、报批、销售环节中，有效推动了企业的新药研发。[结果]围绕产品开发流程构架企业竞争情报业务流，对打破传统产品开发流程中各环节的松散耦合与壁垒，降低产品开发成本，提升产品研发效率具有积极促进作用。     

中文在线产品评论有用性评估实证研究--基于文本挖掘视角

Web2.0时代,阅读在线产品评论已经成为人们购物前的一种习惯。然而,网络上的评论数量巨大且观点不一,消费者很难获取到真正对其有用的评论。本文从研究中文在线产品评论的有用性评估入手,结合中文在线评论的特点,构建了评论有用性评估特征体系。以二分类思想为中心,基于文本挖掘的基本流程,实现对中文产品评论的分类,并考察了评论内容各特征对分类效果的影响。结果表明,本文提出的评估方法能有效识别出有用评论,并且发现浅层句法特征在分类中的贡献度较高,语义特征与情感特征则会因语料类型的不同而有不同的分类贡献度。     

基于框架语义的在线医疗评论情感分析

[目的/意义] 随着"互联网+"在医疗服务行业的应用与发展,积累了大量的医疗评价信息,利用情感分析技术可以对其进行有效地挖掘和利用,从而为医疗管理提供决策参考。[方法/过程] 基于框架语义理论建立医疗情感语义分类词典;采用词典和规则相结合的方法进行在线医疗评论的情感语义分析,标注情感类别、情感主题、极性和强度等信息。[结果/结论] 通过在线医疗评论数据测试,验证了研究方法的有效性和科学性,是情感分析向医疗健康领域纵深发展的一次有益探索。     

基于子图模式的反恐情报关联图集分析

[目的/意义]利用子图模式对暴恐案件中的人员关联进行分析可以发现涉恐人员关联图中的规律，为反恐情报分析提供有效参考。[方法/过程]首先对涉恐基础数据进行预处理，保证图中各顶点的唯一性。通过计数统计出所有的频繁1-子图和频繁2-子图，然后不断迭代生成其他候选子图并筛选频繁子图，直到达到终止条件为止。[结果/结论]该方法根据反恐情报的特点进行了优化，避免了普通频繁子图挖掘中的大量图同构检测，挖掘出的频繁子图可以反映不同类别涉恐人员之间的联系规律和联系特点，发现暴恐案件线索，有效预测和打击恐怖活动。     

基于同现模式的反恐情报时空汇聚特征分析

[目的/意义]对多源异构时空数据进行同现模式挖掘可以发现涉恐人员、涉恐物资、涉恐活动在邻近地点同时段共同出现的规律,为反恐工作提供包含时间特征和空间特征的情报信息。[方法/过程]在同位模式挖掘的基础上提出预先确定目标情报类别从而确定涉恐人员分类方式,使用概念层次树对涉恐物资和涉恐活动进行数据预处理,使得目标同现模式覆盖更多情报信息。[结果/结论]该方法与同位模式挖掘、频繁时间序列模式挖掘以及各种时空轨迹模式挖掘可以相互补充,覆盖多种不同的反恐情报信息,完善反恐预警机制,为反恐决策提供客观依据。     

基于Web评论挖掘的动态竞争情报分析研究(下)——算法设计与实验分析

针对当前竞争情报分析算法无法有效地处理结构类型多样的Web评论信息,研究并设计了基于Web评论挖掘的动态竞争情报分析算法进行语义层面的情报分析,获取深层次的动态竞争情报。该算法主要由评论内容识别与抽取、语义关联挖掘、文本语义极性分析3个部分组成。实验结果表明,该算法能够显著地提高情报分析的准确率和效率,实现深层次的评论挖掘和情报知识发现。     

融合用户情感评分的节点专业影响力分析

[目的/意义]大多数社交网络节点的影响力计算没有考虑用户的评价,而用户评价对特定领域的专业影响力节点的识别具有重要意义。[方法/过程]本文利用领域字典和话题识别模型将目标用户的主题范围进行限定,同时结合社交网络用户中的个人信息综合指标,基于用户关注关系建立链路网络,并充分纳入用户评论的情感评分,提出针对专业影响力节点挖掘的Domain Rank算法。[结果/结论]研究表明,该算法能够有效的从多主题的用户群体中发现和识别潜在的专业影响力节点。     

基于专利文献挖掘的关键共性技术识别研究

[目的/意义]科学准确识别关键共性技术对企业和国家来说都是至关重要的战略议题。[方法/过程]文章提出了一种基于专利文献分析的关键共性技术识别框架,运用文本挖掘和技术演化分析方法,获取特定领域的关键共性技术。首先,使用Viterbi算法识别专利文献中的专业术语,通过LDA算法捕捉专利文献中的技术主题聚类;其次,通过将技术主题的共类特征数值化,作为共性程度的度量;随后,将技术主题节点在技术演化转移网络中的关键程度作为技术关键性的表征,并使用PageRank算法衡量技术主题的关键性。最后,以机器人及数控机床技术为例,验证了该方法的可行性和有效性。[结果/结论]该方法可实现高效、准确的关键共性技术识别,为国家制定创新扶持政策提供支撑。[局限]研究仍需扩大科技文献的收集范围,以实现更全面的关键共性技术识别。     

基于评论挖掘的用户购买行为因果事理图谱分析

【目的/意义】互联网数据中隐藏着的消费心理、消费需求等消费者情报对提升企业竞争力意义重大。对用 户购买行为产生及演进机制的发掘,不仅能让企业掌握更多自身产品和服务中的具体细节信息,还能从本质上发 现用户的需求偏好,推进企业实施科学经营决策。【方法/过程】本文提出一种利用因果事理图谱的消费者情报获取 方法,以京东平台手机在线评论数据源为例,首先通过利用基于规则和依存句法分析结合的自然语言处理技术对 数据源之间的因果关系变量进行识别和事件知识抽取,再结合LDA模型进行事件聚类,最后利用Gephi可视化等 方法实现对用户购买行为的起源与发展机制等特征的识别与呈现,探测用户潜在需求偏好。【结果/结论】结果显 示,用户购买手机的行为是一系列严密的因果事理逻辑演进过程,包括买前需求、购买决策、买后评价三个递进阶 段,用户经历产生购买需求;多维需求驱动购买决策演化;最后是否获得对应需求服务的过程影响满意度的评价。 【创新/局限】采用事理图谱的用户购买行为分析,为拓展大数据情报挖掘方法提供了借鉴。但基于规则的事件知 识抽取受数据库限制,导致该方法实施效率受到一定程度影响。     

基于改进特征提取及聚类的网络评论挖掘研究

[目的/意义]针对信息过载条件下中文网络产品评论中特征提取性能低以及特征聚类中初始中心点的选取问题。[方法/过程]本研究提出采用基于权重的改进Apriori算法产生候选产品特征集合,再根据独立支持度、频繁项名词非特征规则及基于网络搜索引擎的PMI算法对候选产品特征集合进行过滤。并以基于HowNet的语义相似度和特征观点共现作为衡量产品特征之间关联程度的特征,提出一种改进K-means聚类算法对产品特征进行聚类。[结果/结论]实验结果表明,在特征提取阶段,查准率为69%,查全率为92.64%,综合值达到79.07%。在特征聚类阶段,本文提出的改进K-means算法相对传统算法具有更优的挖掘性能。